---
title: "Atividade 04 - Mineração de Dados"
author: "Marcel Dantas de Quintela"
date:  "`r format(Sys.time(), '%d de %B de %Y') `"
lang: "pt-br"
output: 
  flexdashboard::flex_dashboard:
    #orientation: rows
    social: menu
    source_code: embed
---

# Instruções

## Column

Considere o banco de dados de COVID-19 visto na Aula 6. Os dados correspondem ao número de casos diários no período de fevereiro de 2020 a dezembro de 2020, juntamente com outras variáveis, para os municípios do Rio de Janeiro.

Os dados estão no arquivo *covid2.csv*. Além disso, considere o mapa do estado do Rio de Janeiro no arquivo *rio.json*.

1.  Importe a base de dados, assim como o mapa (utilizando o pacote `rgdal`), para o `R`. Em seguida, calcule as médias moveis (considerando 15 dias) do número de casos (*new confirmed*) do dia 20 de dezembro de 2020 (último dia da base) para cada município.

2.  Crie um data frame com as médias móveis, nomes (city) e códigos (city IBGE code) dos municípios. Em seguida, utilize os códigos para juntar o data frame ao mapa por meio da função `merge`.

3.  Faça um mapa coroplético interativo, utilizando a função `leaflet`, em que as cores dos municípios estejam associadas as medias móveis. Utilize as cores associadas a divisão feita pelos quartis. Há algum padrão espacial aparente?

A atividade deve ser feita no `RMarkdown` e entregue em `HTML` com os códigos explicitados e as análises comentadas. Os gráficos devem ser explicativos, com nomes corretos nos eixos, por exemplo.

Lembrando que a entrega desta atividade e opcional, uma vez que a menor nota (considerando as 4 atividades) será desconsiderada no cálculo da média.

# Execução {data-orientation="columns"}

## Column

```{r setup, include=FALSE, warning=FALSE, message=FALSE}

# library(highcharter)
# library(dplyr)
# library(viridisLite)
# library(forecast)
# library(treemap)
# library(flexdashboard)

#rm(list=ls())

knitr::opts_chunk$set(
	echo = FALSE,
	message = FALSE,
	warning = FALSE)

setwd("C:\\Users\\Marcel\\Dropbox\\00-Ciencias-de-Dados\\M02_Mineracao\\Atividades\\ATV04_M02_Mineracao")

# instalação de pacotes 
.packages = c("flexdashboard",
              "highcharter",
              "tidyverse",
              "rgdal",
              "leafgl",
              "sf",
              "geobr",
              "leaflet",
              "dygraphs",
              "xts",
              "devtools")# Lista de bibliotecas necessárias
# Instalar (caso ainda não tenha sido instalado)
.inst <- .packages %in% installed.packages()
if(length(.packages[!.inst]) > 0) install.packages(.packages[!.inst],dependencies = TRUE)
# Carregando bibliotecas
lapply(.packages, require, character.only=TRUE)


thm <-
  hc_theme(
    colors = c("#1a6ecc", "#434348", "#90ed7d"),
    chart = list(
      backgroundColor = "transparent",
      style = list(fontFamily = "Source Sans Pro")
    ),
    xAxis = list(
      gridLineWidth = 1
    )
  )
```

```{r}
covid<-read.csv("covid2.csv")
```

```{r}
# subset de novos casos diários por município de RJ
covidM<-aggregate(covid$new_confirmed,by=list(City=covid$city,
                                              Code_ibge=covid$city_ibge_code,
                                              Date=covid$date),FUN="sum")
# subset de novos casos diáriso para o Estad do RJ
covidE <- aggregate(covid$new_confirmed,by=list(Date=covid$date),FUN="sum")

```

```{r}
# Média móvel por Municpipio ordenado por data em cada município
covidM<-covidM %>% 
  arrange(Date)%>%
  arrange(City)%>%
  group_by(City)%>%
  mutate(mean_15=rollmean(x, 15, align="right",fill=0))

#Média móvel para todo o estado
covidE<-covidE %>% 
  arrange(Date) %>%
  mutate(mean_15=rollmean(x, 15, align="right",fill=0))
covidE$Date<-as.Date(covidE$Date,"%Y-%m-%d")

```

### Estado

```{r}
graf <- xts(x = covidE[,2:3], order.by = covidE$Date)

dygraph(graf,
        main="Média Móvel de Novos Casos x Dia no Estado do Rio de Janeiro",
        ylab="Novos Casos",
        xlab="Dias") %>% 
  dyRangeSelector() %>%
  dyBarSeries('x') %>% 
  dyFilledLine('mean_15')

```

### Mapa Municípios do Rio de Janeiro

```{r include=FALSE}
## Mapa Média Móvei por Município

# base<-readOGR("http://im.ufrj.br/~joao/cienciadedados/rio.json")
# plot(base)
# mapa<-merge(x=covidM,y=base,by.x="Code_ibge",by.y="id")
# problemas não identificado com a base .jason

# download dos municípios do Rio de Janeiro usando geobr
shp<-read_municipality(code_muni = "RJ", year= 2018)

# usando a última média móvel
covid_last<-covidM[covidM$Date==covidM$Date[(length(covidM$Date))],]
covid_last$Date<-as.Date(covid_last$Date,"%Y-%m-%d")
#merge 
shp<-left_join(shp,covid_last, by = c("code_muni"="Code_ibge"))
cores <- colorQuantile(heat.colors(5),NULL, reverse = T)
```

```{r}
leaflet(shp)%>% 
  addProviderTiles(provider = providers$CartoDB.Positron)%>%
  addPolygons(weight=0.5,
              color="black",
              label=~paste0(City,": ",round(mean_15,2)),
              fillColor = ~cores(mean_15),
              smoothFactor=0.5,
              opacity=0.8,
              fillOpacity=0.5,
              highlightOptions=highlightOptions(color="white",weight=5,bringToFront=TRUE))%>%
  leaflet::addLegend(pal=cores,values=~mean_15,opacity=0.5,
                     title = paste(format(shp$Date[1],"%d %b %Y"),
                                   "

Média Móvel
15 dias"))

```

## Column

### Evolução do Casos

![](images/mapa.gif)

# Código .gif {data-vertical_layout=scroll}
```{r eval=F, echo=T}
library(leaflet)
library(animation)
library(png)
library(htmlwidgets)
library(webshot)
library(ggmap)
library(magick)
library(magrittr)
library(sf)
library(geobr)
library(tidyverse)
library(zoo)
#install_phantomjs(version = "2.1.1",
#                  baseURL = "https://github.com/wch/webshot/releases/download/v0.3.1/",
#                  force = FALSE)
Folder<-"C:\\Users\\Marcel\\Dropbox\\00-Ciencias-de-Dados\\M02_Mineracao\\Atividades\\ATV04_M02_Mineracao"
setwd(Folder)
covid<-read.csv("covid2.csv")
covidM<-aggregate(covid$new_confirmed,by=list(City=covid$city,
                                              Code_ibge=covid$city_ibge_code,
                                              Date=covid$date),FUN="sum")
covidM<-covidM %>% 
  arrange(Date)%>%
  arrange(City)%>%
  group_by(City)%>%
  mutate(mean_15=rollmean(x, 15, align="right",fill=0))

shp<-read_municipality(code_muni = "RJ", year= 2018)
shp2<-left_join(shp,covidM, by = c("code_muni"="Code_ibge"))

cores <- colorQuantile(heat.colors(5),NULL, reverse = T)

a<-unique(shp2$Date)
a<-as.Date(a,"%Y-%m-%d")

lag<-length(unique(shp2$Date))

for (i in (lag-120):lag){
  aux<- shp2[shp2$Date==a[i],]
  if (length(aux$City==92)){
    map<-leaflet(aux)%>% 
    addProviderTiles(provider = providers$CartoDB.Positron)%>%
    addPolygons(weight=0.5,
                color="black",
                label=~paste0(City,": ",round(mean_15,2)),
                fillColor = ~cores(mean_15),
                smoothFactor=0.5,
                opacity=0.8,
                fillOpacity=0.5,
                highlightOptions=highlightOptions(color="white",weight=5,bringToFront=TRUE))%>%
    leaflet::addLegend(pal=cores,values=~mean_15,opacity=0.5,
                       title = paste(format(a[i],"%d %b %Y"),
                                     "

Média Móvel
15 dias"))
    
    saveWidget(map, 'temp.html', selfcontained = FALSE)
    webshot('temp.html', file=sprintf('MapaGif\\Rplot%02d.png', i),
            cliprect = 'viewport')
  }
}

list.files(path=paste0(Folder,"\\MapaGif"), pattern = '*.png', full.names = TRUE) %>% 
  image_read() %>% # reads each path file
  image_join() %>% # joins image
  image_animate(fps=2, optimize = TRUE) %>% # animates, can opt for number of loops
  image_write("images\\mapa.gif") # write to current dir

```